CN117563200A - 基于出拳角度、速度和力度的拳击手训练方法和设备 - Google Patents

Abstract

本发明涉及拳击训练技术领域，具体涉及一种基于出拳角度、速度和力度的拳击手训练方法和设备，在本申请中，通过安装在拳套上的三轴陀螺仪传感器和三轴加速度计传感器，获取拳击手的数据，并通过扩展卡尔曼滤波，实现三轴陀螺仪传感器和三轴加速度计传感器的六轴融合，从而计算获得拳击手的出拳角度、出拳速度和出拳力度，并将计算结果发送到拳击手的手机端，通过手机端中预先安装的APP进行对比分析，从而实现对拳击手出拳角度、速度和力度的综合反馈。

Description

基于出拳角度、速度和力度的拳击手训练方法和设备

技术领域

本发明涉及拳击训练技术领域，具体涉及一种基于出拳角度、速度和力度的拳击手训练方法和设备。

背景技术

目前，亚健康状态的人群越来越多，更多的健身和运动项目也越来越被人关注。其中拳击运动越来越受欢迎。拳击爱好者也越来越多。在拳击训练和比赛中，拳击手出拳的角度、速度和力度都是影响打击效果的重要因素。传统的橡胶或皮革沙袋无法精确测量和反馈这些参数，不利于拳击手的训练和技能提升。

现有技术中，拳击手进行训练时，只有对拳击手出拳力度的反馈，没有对拳击手出拳角度、速度和力度的综合反馈，不利于拳击手的训练和技能提升。

发明内容

有鉴于此，本发明的目的在于提供一种基于出拳角度、速度和力度的拳击手训练方法和设备，以克服目前没有对拳击手出拳角度、速度和力度的综合反馈，不利于拳击手的训练和技能提升的问题。

为实现以上目的，本发明采用如下技术方案：

一方面，本申请提供了一种基于出拳角度、速度和力度的拳击手训练方法，包括：

分别获取设置在拳套上的三轴陀螺仪传感器和三轴加速度计传感器的数据；

通过扩展卡尔曼滤波，实现所述三轴陀螺仪传感器和所述三轴加速度计传感器的六轴融合，并根据所述三轴陀螺仪传感器的数据和所述三轴加速度计传感器的数据，计算出四元数和欧拉角，从而获得用户的出拳角度；

根据所述四元数和所述三轴加速度计传感器的数据，计算出所述用户的实时出拳加速度；

根据所述用户的实时出拳加速度，计算出所述用户的出拳速度；

根据所述所述用户的实时出拳加速度，计算出所述用户的出拳力度；

将所述用户的出拳角度、出拳速度和出拳力度发送到所述用户的手机端；

通过所述手机端中预先安装的APP对所述用户的出拳角度、出拳速度和出拳力度进行对比分析，并将分析结果通过所述手机端反馈给所述用户。

进一步的，以上所述的方法，所述通过扩展卡尔曼滤波，实现所述三轴陀螺仪传感器和所述三轴加速度计传感器的六轴融合，并根据所述三轴陀螺仪传感器的数据和所述三轴加速度计传感器的数据，计算出四元数和欧拉角，从而获得用户的出拳角度，包括：

通过一阶泰勒级数对所述三轴陀螺仪传感器和所述三轴加速度计传感器的非线性的动态系统模型和测量模型进行线性化；

对线性化后的所述动态系统模型和所述测量模型进行初始化；

根据初始化后的所述动态系统模型和所述测量模型进行预测，计算预测状态和预测误差协方差；

使用卡尔曼增益进行更新，更新所述预测状态和所述预测误差协方差；

对所述预测和所述更新进行迭代，完成通过所述扩展卡尔曼滤波对所述三轴陀螺仪传感器和所述三轴加速度计传感器的六轴融合；

通过所述扩展卡尔曼滤波，根据所述三轴陀螺仪传感器的数据和所述三轴加速度计传感器的数据，计算出四元数和欧拉角，从而获得用户的出拳角度。

进一步的，以上所述的方法，所述根据所述四元数和所述三轴加速度计传感器的数据，计算出所述用户的实时出拳加速度，包括：

获取所述四元数的各组成部分和所述三轴加速度计传感器的数据；

通过所述四元数的各组成部分将所述三轴加速度计传感器的数据旋转到惯性坐标系中，从而得到所述用户的实时出拳加速度。

进一步的，以上所述的方法，所述根据所述用户的实时出拳加速度，计算出所述用户的出拳速度，包括：

根据所述用户的实时出拳加速度，获得所述所述用户的出拳加速度曲线；

根据所述用户的出拳加速度曲线，计算获得所述用户的出拳速度。

进一步的，以上所述的方法，所述根据所述所述用户的实时出拳加速度，计算出所述用户的出拳力度，包括：

获取所述用户的最大出拳加速度和拳头质量；

根据所述最大出拳加速度和所述拳头质量，计算出所述用户的出拳力度。

进一步的，以上所述的方法，所述将所述用户的出拳角度、出拳速度和出拳力度发送到所述用户的手机端，包括：

通过蓝牙无线传输，将所述用户的出拳角度、出拳速度和出拳力度发送到所述用户的手机端。

另一方面，本申请还提供了一种基于出拳角度、速度和力度的拳击手训练设备，包括：数据处理系统、安装在拳套中的三轴陀螺仪传感器、三轴加速度计传感器、控制器和数据传输模块：

所述三轴陀螺仪传感器、所述三轴加速度计传感器和所述数据传输模块分别与所述控制器电连接，用于分别获取所述三轴陀螺仪传感器和所述三轴加速度计传感器的数据，通过扩展卡尔曼滤波，实现所述三轴陀螺仪传感器和所述三轴加速度计传感器的六轴融合，并根据所述三轴陀螺仪传感器的数据和所述三轴加速度计传感器的数据，计算出四元数和欧拉角，从而获得用户的出拳角度，根据所述四元数和所述三轴加速度计传感器的数据，计算出所述用户的实时出拳加速度，根据所述用户的实时出拳加速度，计算出所述用户的出拳速度，根据所述所述用户的实时出拳加速度，计算出所述用户的出拳力度，并通过所述数据传输模块将所述用户的出拳角度、出拳速度和出拳力度发送到所述数据处理系统；

所述数据传输模块与所述数据处理系统信号连接，用于接收所述用户的出拳角度、出拳速度和出拳力度，对所述用户的出拳角度、出拳速度和出拳力度进行对比分析，并将分析结果反馈给所述用户。

本发明的有益效果为：

本申请中通过分别获取设置在拳套上的三轴陀螺仪传感器和三轴加速度计传感器的数据；通过扩展卡尔曼滤波，实现三轴陀螺仪传感器和三轴加速度计传感器的六轴融合，并根据三轴陀螺仪传感器的数据和三轴加速度计传感器的数据，计算出四元数和欧拉角，从而获得用户的出拳角度；根据四元数和三轴加速度计传感器的数据，计算出用户的实时出拳加速度；根据用户的实时出拳加速度，计算出用户的出拳速度；根据用户的实时出拳加速度，计算出用户的出拳力度；将用户的出拳角度、出拳速度和出拳力度发送到用户的手机端；通过手机端中预先安装的APP对用户的出拳角度、出拳速度和出拳力度进行对比分析，并将分析结果通过手机端反馈给用户。在本申请中，通过安装在拳套上的三轴陀螺仪传感器和三轴加速度计传感器，获取拳击手的数据，并通过扩展卡尔曼滤波，实现三轴陀螺仪传感器和三轴加速度计传感器的六轴融合，从而计算获得拳击手的出拳角度、出拳速度和出拳力度，并将计算结果发送到拳击手的手机端，通过手机端中预先安装的APP进行对比分析，从而实现对拳击手出拳角度、速度和力度的综合反馈。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一种基于出拳角度、速度和力度的拳击手训练方法一种实施例提供的流程图；

图2是本发明一种基于出拳角度、速度和力度的拳击手训练设备一种实施例提供的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。

图1是本发明一种基于出拳角度、速度和力度的拳击手训练方法一种实施例提供的流程图。请参阅图1，本实施例可以包括以下步骤：

S1、分别获取设置在拳套上的三轴陀螺仪传感器和三轴加速度计传感器的数据；

S2、通过扩展卡尔曼滤波，实现三轴陀螺仪传感器和三轴加速度计传感器的六轴融合，并根据三轴陀螺仪传感器的数据和三轴加速度计传感器的数据，计算出四元数和欧拉角，从而获得用户的出拳角度；

S3、根据四元数和三轴加速度计传感器的数据，计算出用户的实时出拳加速度；

S4、根据用户的实时出拳加速度，计算出用户的出拳速度；

S5、根据用户的实时出拳加速度，计算出用户的出拳力度；

S6、将用户的出拳角度、出拳速度和出拳力度发送到用户的手机端；

S7、通过手机端中预先安装的APP对用户的出拳角度、出拳速度和出拳力度进行对比分析，并将分析结果通过手机端反馈给用户。

需要说明的是，三轴陀螺仪传感器是一种能监测或维持方向的芯片，它测量物体围绕其轴线进行旋转的角速度。陀螺仪的数据通常以角速度单位度/秒(°/s)去表示。陀螺仪原始数据单位是LSB，要根据其量程去换算成度/秒(°/s)，假定我们在此应用中陀螺仪的量程是2000度/秒。按照目前市场主流的16bit输出。其输出范围是(-32768(LSB)～32768(LSB))，那么我们可以计算出其灵敏度为16.384(LSB/度/秒)。假设我们读取的原始数据是X(LSB),Y(LSB),Z(LSB),则以度/秒为单位的三个轴Gx,Gy,Gz分别为：

Gx(度/秒)＝X(LSB)/16.384(LSB/度/秒)；

Gy(度/秒)＝Y(LSB)/16.384(LSB/度/秒)；

Gz(度/秒)＝Z(LSB)/16.384(LSB/度/秒)。

三轴加速度计传感器是一种能测量加速度的芯片。加速度的测量通常以重力加速度g(约等于9.81m/s2)为单位去表示。加速度计原始单位是LSB，要根据其量程去换算成g,假定我们在此应用中加速度计的量程是±8g。按照目前市场主流的16bit输出。其输出范围是(-32768(LSB)～32768(LSB))，那么我们可以计算出其灵敏度为4096(LSB/g)。假设我们读取的原始数据是X(LSB),Y(LSB),Z(LSB),则以g为单位的三个轴Ax,Ay,Az分别为：

Ax(g)＝X(LSB)/4096(LSB/g)；

Ay(g)＝Y(LSB)/4096(LSB/g)；

Az(g)＝Z(LSB)/4096(LSB/g)。

卡尔曼滤波是一种广泛应用于信号处理和控制系统的优秀工具，非常适合于融合不同来源、具有不同误差特性的测量数据，如陀螺仪和加速度计的数据。但是卡尔曼滤波通常基于线性系统，但陀螺仪和加速度计的体系是非线性的，所以需要通过扩展卡尔曼滤波(Extended Kalman Filter，EKF)的方法来处理非线性。

对用户的出拳角度、出拳速度和出拳力度进行对比分析，还可以是用户手机中的小程序，小程序会根据专业拳击手的数据，对用户的数据进行对比分析，并将分析结果进行反馈，从而使用户进行有效的训练。另外，还可以通过用户手机中的APP或小程序，相用户分别反馈出拳角度，以及与专业拳击手的出拳角度对比结果，出拳速度和专业专业拳击手的出拳速度对比结果和出拳力度数据。

可以理解的是，本申请中通过分别获取设置在拳套上的三轴陀螺仪传感器和三轴加速度计传感器的数据；通过扩展卡尔曼滤波，实现三轴陀螺仪传感器和三轴加速度计传感器的六轴融合，并根据三轴陀螺仪传感器的数据和三轴加速度计传感器的数据，计算出四元数和欧拉角，从而获得用户的出拳角度；根据四元数和三轴加速度计传感器的数据，计算出用户的实时出拳加速度；根据用户的实时出拳加速度，计算出用户的出拳速度；根据用户的实时出拳加速度，计算出用户的出拳力度；将用户的出拳角度、出拳速度和出拳力度发送到用户的手机端；通过手机端中预先安装的APP对用户的出拳角度、出拳速度和出拳力度进行对比分析，并将分析结果通过手机端反馈给用户。在本申请中，通过安装在拳套上的三轴陀螺仪传感器和三轴加速度计传感器，获取拳击手的数据，并通过扩展卡尔曼滤波，实现三轴陀螺仪传感器和三轴加速度计传感器的六轴融合，从而计算获得拳击手的出拳角度、出拳速度和出拳力度，并将计算结果发送到拳击手的手机端，通过手机端中预先安装的APP进行对比分析，从而实现对拳击手出拳角度、速度和力度的综合反馈。

优选的，步骤S2，包括：

通过一阶泰勒级数对三轴陀螺仪传感器和三轴加速度计传感器的非线性的动态系统模型和测量模型进行线性化；

对线性化后的动态系统模型和测量模型进行初始化；

根据初始化后的动态系统模型和测量模型进行预测，计算预测状态和预测误差协方差；

使用卡尔曼增益进行更新，更新预测状态和预测误差协方差；

对预测和更新进行迭代，完成通过扩展卡尔曼滤波对三轴陀螺仪传感器和三轴加速度计传感器的六轴融合；

通过扩展卡尔曼滤波，根据三轴陀螺仪传感器的数据和三轴加速度计传感器的数据，计算出四元数和欧拉角，从而获得用户的出拳角度。

可以理解的是，

在陀螺仪和加速度计六轴融合时，扩展卡尔曼滤波用于预测和校正姿态。

基本步骤如下：

对于非线性的动态系统模型f()和测量模型h()，使用一阶泰勒级数进行线性化。

系统的连续状态方程表示为：

dx/dt＝f(x,u)

在离散时间系统中表示为：

x(k+1)＝f(x(k),u(k))

当f(x,u)为非线性函数时，通过泰勒级数展开进行线性化：

f(x,u)～＝f(x0,u0)+A*(x-x0)+B*(u-u0)

其中，A为偏导数矩阵df/dx，B为偏导数矩阵df/du。

同样，对于测量模型：

y＝h(x)

非线性测量模型线性化时，也通过泰勒级数展开：

h(x)～＝h(x0)+H*(x-x0)

其中，H为偏导数矩阵dh/dx。

设定初始状态x0和初始误差协方差矩阵P0，状态向量可设为初始观测值，误差协方差矩阵通常设为较大的值，表示对初始状态的不确定性。

计算预测状态和预测误差协方差。

预测状态：

X’(k+1)＝f(x(k),u(k))

预测误差协方差：

P'(k+1)＝A*P(k)*A.T+Q

其中，A为运动模型关于状态的线性化矩阵，Q为系统过程噪声矩阵。

使用卡尔曼增益进行状态更新和协方差更新。

计算残差：

y(k+1)＝Z(k+1)-h(x'(k+1))

其中，Z(k+1)表示时间k+1的实际测量值。

计算卡尔曼增益：

K(k+1)＝P'(k+1)*H.T*inv(H*P'(k+1)*H.T+R)

其中，H为测量模型关于状态的线性化矩阵，R为观测噪声矩阵。

使用卡尔曼增益更新状态：

x(k+1)＝x'(k+1)+K(k+1)*y(k+1)

同时更新误差协方差：

P(k+1)＝(I-K(k+1)*H)*P'(k+1)

使用上述预测-更新的过程，以获得更准确的状态估计。通常在初始化后，系统主要在预测和更新之间循环。

过扩展卡尔曼滤波器，我们可以获取到四元数和欧拉角，也就是能随时捕捉到拳头的出拳角度。

优选的，步骤S3，包括：

获取四元数的各组成部分和三轴加速度计传感器的数据；

通过四元数的各组成部分将三轴加速度计传感器的数据旋转到惯性坐标系中，从而得到用户的实时出拳加速度。

优选的，步骤S4，包括：

根据用户的实时出拳加速度，获得用户的出拳加速度曲线；

根据用户的出拳加速度曲线，计算获得用户的出拳速度。

可以理解的是，加速度计的值是包含了地球重力加速度的。所以在此我们要计算出线性加速度，这样可以保证不同角度出拳速度的准确性。要计算线性加速度，我们需要用到四元数，在此我们将四元数的四个数用w,x,y,z表示。

首先，获取四元数的各组成部分w,x,y,z，获取加速度计的数据。这是一个三维向量，假设其在x,y,z轴上的加速度分别为ax,ay,az；

然后，四元数可以描述从体坐标系到惯性坐标系的旋转，我们可以将加速度计的数据通过四元数旋转到惯性坐标系中，从而得到线性加速度。

具体计算过程为：

假设四元数为q，加速度向量为a(在体坐标系中)，那么在惯性坐标系中的加速度向量a'可以通过以下方式计算：

a'＝q*a*q^-1

其中，“*”表示四元数的乘法，“q^-1”表示四元数的逆。

最后，得到的a'即为线性加速度。它的三个组成部分分别表示物体在地面坐标系中x,y,z轴上的线性加速度Lx，Ly，Lz。

获取到线性加速度Lx，Ly，Lz三个轴的线性加速度之后，我们就可以用如下方法获取拳手的出拳速度。拳手出拳开始到结束，是一个加速的过程，当拳停止的那一刻也是反向加速度最大的时刻。那么如上描述的这段数据曲线就是一个拳手出拳的速度曲线。可以清楚的描述出一个拳手的每一拳从开始到结束(加速度从0到最高速)的时间和速度曲线。这一刻的加速度也是后续我们计算力的加速度。

在实际应用中，我们可以空间三个轴的加速度同时比较，更加能反应出拳手的技术和状态。我们可以看出拳手加速度是呈现出一直加速的状态，最后结束时是一个最大反向加速度状态，根据力的相互性，这时候击打出的力也是最大的。而且停止的速度很快，理论上停止速度越快，击打力量越强。所以从数据上完全可以给到拳手更好的指导作用。

优选的，步骤S5，包括：

获取用户的最大出拳加速度和拳头质量；

根据最大出拳加速度和拳头质量，计算出用户的出拳力度。

可以理解的是，力度可以理解为出拳过程中的加速度。因此，使用加速度计所测得的数据可以用来计算出拳力度。可以通过以下公式计算：

F＝m*a

其中：

-F是力度，以牛顿(N)为单位。

-m是拳击手的拳头质量，需要以事先为基础数据进行测量。

-a是拳击手出拳时手部的加速度，这是由加速度计测量得出的。

优选的，步骤S6，包括：

通过蓝牙无线传输，将用户的出拳角度、出拳速度和出拳力度发送到用户的手机端。

本发明还提供了一种基于出拳角度、速度和力度的拳击手训练设备，用于实现上述方法实施例。图2是本发明一种基于出拳角度、速度和力度的拳击手训练设备一种实施例提供的结构示意图。如图2所示，包括：

数据处理系统5、安装在拳套6中的三轴陀螺仪传感器1、三轴加速度计传感器、控制器3和数据传输模块4：

三轴陀螺仪传感器1、三轴加速度计传感器和数据传输模块4分别与控制器3电连接，用于分别获取三轴陀螺仪传感器1和三轴加速度计传感器的数据，通过扩展卡尔曼滤波，实现三轴陀螺仪传感器1和三轴加速度计传感器2的六轴融合，并根据三轴陀螺仪传感器1的数据和三轴加速度计传感器2的数据，计算出四元数和欧拉角，从而获得用户的出拳角度，根据四元数和三轴加速度计传感器2的数据，计算出用户的实时出拳加速度，根据用户的实时出拳加速度，计算出用户的出拳速度，根据用户的实时出拳加速度，计算出用户的出拳力度，并通过数据传输模块4将用户的出拳角度、出拳速度和出拳力度发送到数据处理系统5；

数据传输模块4与数据处理系统5信号连接，用于接收用户的出拳角度、出拳速度和出拳力度，对用户的出拳角度、出拳速度和出拳力度进行对比分析，并将分析结果反馈给用户。

需要说明的是，拳套6中还具有提供电力的电源装置，数据传输模块4可以是蓝牙传输模块，控制器3可以是,MCU芯片，数据处理系统5可以是安装在用户手机中的APP或小程序。

关于上述实施例中的设备，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (7)

1.一种基于出拳角度、速度和力度的拳击手训练方法，其特征在于，包括：

分别获取设置在拳套上的三轴陀螺仪传感器和三轴加速度计传感器的数据；

通过扩展卡尔曼滤波，实现所述三轴陀螺仪传感器和所述三轴加速度计传感器的六轴融合，并根据所述三轴陀螺仪传感器的数据和所述三轴加速度计传感器的数据，计算出四元数和欧拉角，从而获得用户的出拳角度；

根据所述四元数和所述三轴加速度计传感器的数据，计算出所述用户的实时出拳加速度；

根据所述用户的实时出拳加速度，计算出所述用户的出拳速度；

根据所述所述用户的实时出拳加速度，计算出所述用户的出拳力度；

将所述用户的出拳角度、出拳速度和出拳力度发送到所述用户的手机端；

通过所述手机端中预先安装的APP对所述用户的出拳角度、出拳速度和出拳力度进行对比分析，并将分析结果通过所述手机端反馈给所述用户。

2.根据权利要求1所述的方法，其特征在于，所述通过扩展卡尔曼滤波，实现所述三轴陀螺仪传感器和所述三轴加速度计传感器的六轴融合，并根据所述三轴陀螺仪传感器的数据和所述三轴加速度计传感器的数据，计算出四元数和欧拉角，从而获得用户的出拳角度，包括：

通过一阶泰勒级数对所述三轴陀螺仪传感器和所述三轴加速度计传感器的非线性的动态系统模型和测量模型进行线性化；

对线性化后的所述动态系统模型和所述测量模型进行初始化；

根据初始化后的所述动态系统模型和所述测量模型进行预测，计算预测状态和预测误差协方差；

使用卡尔曼增益进行更新，更新所述预测状态和所述预测误差协方差；

对所述预测和所述更新进行迭代，完成通过所述扩展卡尔曼滤波对所述三轴陀螺仪传感器和所述三轴加速度计传感器的六轴融合；

通过所述扩展卡尔曼滤波，根据所述三轴陀螺仪传感器的数据和所述三轴加速度计传感器的数据，计算出四元数和欧拉角，从而获得用户的出拳角度。

3.根据权利要求2所述的方法，其特征在于，所述根据所述四元数和所述三轴加速度计传感器的数据，计算出所述用户的实时出拳加速度，包括：

获取所述四元数的各组成部分和所述三轴加速度计传感器的数据；

通过所述四元数的各组成部分将所述三轴加速度计传感器的数据旋转到惯性坐标系中，从而得到所述用户的实时出拳加速度。

4.根据权利要求3所述的方法，其特征在于，所述根据所述用户的实时出拳加速度，计算出所述用户的出拳速度，包括：

根据所述用户的实时出拳加速度，获得所述所述用户的出拳加速度曲线；

根据所述用户的出拳加速度曲线，计算获得所述用户的出拳速度。

5.根据权利要求4所述的方法，其特征在于，所述根据所述所述用户的实时出拳加速度，计算出所述用户的出拳力度，包括：

获取所述用户的最大出拳加速度和拳头质量；

根据所述最大出拳加速度和所述拳头质量，计算出所述用户的出拳力度。

6.根据权利要求5所述的方法，其特征在于，所述将所述用户的出拳角度、出拳速度和出拳力度发送到所述用户的手机端，包括：

通过蓝牙无线传输，将所述用户的出拳角度、出拳速度和出拳力度发送到所述用户的手机端。

7.一种基于出拳角度、速度和力度的拳击手训练设备，其特征在于，包括数据处理系统、安装在拳套中的三轴陀螺仪传感器、三轴加速度计传感器、控制器和数据传输模块：

所述三轴陀螺仪传感器、所述三轴加速度计传感器和所述数据传输模块分别与所述控制器电连接，用于分别获取所述三轴陀螺仪传感器和所述三轴加速度计传感器的数据，通过扩展卡尔曼滤波，实现所述三轴陀螺仪传感器和所述三轴加速度计传感器的六轴融合，并根据所述三轴陀螺仪传感器的数据和所述三轴加速度计传感器的数据，计算出四元数和欧拉角，从而获得用户的出拳角度，根据所述四元数和所述三轴加速度计传感器的数据，计算出所述用户的实时出拳加速度，根据所述用户的实时出拳加速度，计算出所述用户的出拳速度，根据所述所述用户的实时出拳加速度，计算出所述用户的出拳力度，并通过所述数据传输模块将所述用户的出拳角度、出拳速度和出拳力度发送到所述数据处理系统；

所述数据传输模块与所述数据处理系统信号连接，用于接收所述用户的出拳角度、出拳速度和出拳力度，对所述用户的出拳角度、出拳速度和出拳力度进行对比分析，并将分析结果反馈给所述用户。